在强化学习过程中,()表示随机地采取某个动作,以便于尝试各种结果;()表示采取当前认为最优的动作,以便于进一步优化评估当前认为最优的动作的值。 学习 过程中 进一步 进一步 发布时间:2024-03-27 16:57:18